System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像智能评分,尤其涉及一种基于改进的形状特征匹配的书法书写质量评价方法。
技术介绍
1、书法艺术具有较高的主观性,不同的评审人员可能对同一幅作品有不同的看法。人工测评容易受到个体审美、文化背景等因素的影响,难以保持一致性和客观性。书法临摹不仅涉及到字形的准确度,还包括线条流畅度、墨水的使用、意境表达等多个方面。
2、不同的评审人员可能对标准的理解存在差异,导致评分的不一致性。传统的人工评分存在无法全面准确稳定地进行测评,对大规模考试中的公平性和准确性产生影响的问题,同时由于大规模考试评测的需求导致人工评分工作量巨大,耗时费力。
技术实现思路
1、为解决现有技术中传统的人工评分存在无法全面准确稳定地进行测评,对大规模考试中的公平性和准确性产生影响的问题,本专利技术提供了一种基于改进的形状特征匹配的书法书写质量评价方法。
2、本专利技术的目的可以通过以下技术方案实现:
3、一种基于改进的形状特征匹配的书法书写质量评价方法,包括以下步骤:
4、s1:采用改进的yolov8对隶书、楷书以及硬笔书法的文字进行位置定位、分割和骨架提取,对不同的书法字体进行注意力改进;
5、s2:对母案和待评价作品做文字分割、定位和骨架提取,分割出每个文字后需要对母案的文字做对齐和配准工作,让待评价作品的文字在空间上跟母案进行对齐,与评价工作进行对应;
6、s3:利用s1提取的文本骨架和关键控制点对字体的整体书写相似度进行评价
7、s4:对主维度字体评分之后,对书法的笔法、笔画、结构和流畅度进行分开维度评价;
8、s5:根据条件评价和相似性对比融合以及结合s3中字体书写相似度m、s4中书法的笔法i、笔画j、流畅度k和结构l的评价输出,获取整体分数s。
9、优选的,所述对母案的文字做对齐和配准工作中对齐的方法采用改进的迭代最近点方法,对待评测图像和母案图像的文字二维点云进行二维配准对齐。
10、优选的,所述针对书法改进的形状上下文算法进行字体书法总体似度评价,包括以下流程:
11、采用s1提取的文本骨架和关键控制点作为形状上下文的控制点集,每个点集包含一组二维坐标点作为特征点;
12、对于每个特征点,计算其与其他特征点之间的极坐标距离和角度,将所述距离和角度分别以直方图的形式表示,所述直方图即为该特征点的形状上下文;
13、计算两个文字形状之间的形状上下文距离,将所有特征点之间的形状上下文距离累加,得到两个形状之间的总体形状上下文距离。
14、优选的,所述对书法的笔法进行评价,包括以下步骤:
15、数据预处理,对书法图像进行预处理,提取笔画顺序信息,表示为序列数据;
16、lstm网络构建,搭建lstm网络,输入顺序笔画特征,输出笔画以及当前笔画与前后笔画关系的表示向量;
17、注意力机制,在lstm上加入注意力层,使其自动聚焦重点笔画;
18、笔法识别,基于lstm输出添加分类分支,识别当前笔画的笔法类别,笔法评分,连接一个回归分支,根据lstm特征给出笔法运用的评分;结构化打分,根据笔画在整体结构中的位置,给予不同权重;
19、输出结果,对新作品根据模型给出笔画顺序评价、笔法运用评分及改进建议;
20、通过lstm及注意力机制,显示建模笔法顺序与结构信息,评判笔法是否合理恰当,输出更可靠的书法笔法质量评价结果。
21、优选的,所述对书法的笔画评测采用resnet-50模型,包括以下步骤:
22、收集带有笔画的书法图像数据集,每个图像标注有相应的笔画信息;
23、使用预训练的resnet-50模型,在image net数据集上预训练的权重;
24、根据需求调整网络的输出层,以适应笔画评估的具体需求;
25、定义适当的损失函数,以均方误差,用于比较模型输出和笔画标签之间的差异;
26、选择适当adam作为优化器,在预备的数据集上训练模型,训练过程中,监控所述模型在验证集上的性能,以便在合适的时候停止训练,避免过拟合。
27、优选的,所述笔画结构的准确性评价,具体包括:
28、将书法作品的笔画以节点形式进行表达,笔画之间的联系表示为边;
29、使用gcn图卷积网络,学习笔画图的表示,所述卷积网络通过消息传递学习笔画结构信息;
30、所述卷积网络输出每个笔画的向量表示,反映其在结构中的位置信息,基于所述笔画的向量表示,评分每个笔画的上笔、下笔和转折结构的准确性;
31、使用图注意力机制,识别结构美的重点部分;
32、全连接层综合所有笔画的结构评分,给出全局结构美的评分。
33、优选的,所述流畅度的测评的算法如下:
34、使用orb特征提取算法从书法图像中提取特征点和描述子;
35、将两幅书法图像的特征点进行匹配,得到特征点间的对应关系;
36、测量特征点的对应关系,所述特征点的对应关系包括:匹配密度、一致性和稳定性;
37、按照制定的流畅度评估指标对书法图像中的字体进行流畅度评估。
38、本专利技术的有益效果为:
39、(1)通过根据条件评价和相似性对比融合以及结合s3中字体书写相似度m、s4中书法的笔法i、笔画j、流畅度k和结构l的评价输出,获取整体分数s,使用整体分数作为书法的综合性评分,也提高了评分的准确性和公正性,同时对不同的书法进行个性化的指导和建议,分析技巧和风格,能够针对性提高学生的书法能力。
40、(2)通过智能系统对书法作品进行评价,大大减轻了人工评分工作量巨大,耗死费力的负担,提高评价的工作效率;结合注意力机制能够更好地实现多级注意力,模块化学习,改善特征表达从而提升文本检测性能。
41、(3)通过使用各类算法对文本轮廓和笔画顺序等细节的调整,能够准确进行匹配,保证一致性,给出对应的修改建议,不仅起到了高效准确的智能评分而且能够给出改善意见,完善评分的流程。
本文档来自技高网...【技术保护点】
1.一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,所述对母案的文字做对齐和配准工作中对齐的方法采用改进的迭代最近点方法,对待评测图像和母案图像的文字二维点云进行二维配准对齐。
3.根据权利要求1所述的一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,所述针对书法改进的形状上下文算法进行字体书法总体相似度评价,包括以下流程:
4.根据权利要求1所述的一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,所述对书法的笔法进行评价,包括以下步骤:
5.根据权利要求1所述的一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,所述对书法的笔画评测采用ResNet-50模型,包括以下步骤:
6.根据权利要求1所述的一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,所述笔画结构的准确性评价,具体包括:
7.根据权利要求1所述的一种基于改进的形状特征匹配的书法书写质量
...【技术特征摘要】
1.一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,所述对母案的文字做对齐和配准工作中对齐的方法采用改进的迭代最近点方法,对待评测图像和母案图像的文字二维点云进行二维配准对齐。
3.根据权利要求1所述的一种基于改进的形状特征匹配的书法书写质量评价方法,其特征在于,所述针对书法改进的形状上下文算法进行字体书法总体相似度评价,包括以下流程:
4.根据权利要求1所述的一种基...
【专利技术属性】
技术研发人员:张超,陈燕洁,叶仕承,林凯欣,
申请(专利权)人:广东新裕信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。